CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS
|
|
- María José Núñez Aguilar
- hace 8 años
- Vistas:
Transcripción
1 CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS MEDIANTE UN ENFOQUE POR CADENAS DE MARKOV ABSORBENTES Lidia Toscana - Nélida Moretto - Fernanda Villarreal Universidad Nacional del Sur, ltoscana@criba.edu.ar Resumen Las cartas de control se utilizan para chequear la estabilidad de un proceso. Cuando se evalúa cuan efectiva es una carta de control para detectar cambios en los parámetros de un proceso se pretende que los mismos sean detectados inmediatamente después de que ocurran, que la tasa de falsa alarma sea baja y que la tasa de muestreo sea razonable. La tasa promedio de muestreo es el número promedio de observaciones hasta que una de ellas indica una condición fuera de control y se denomina Longitud de Corrida Promedio (LCP). Si bien puede evaluarse mediante cálculos probabilísticos, cuando se trabaja con una carta de control con reglas de rachas no es sencillo su cómputo en términos de simples probabilidades. En este trabajo se presenta la determinación de la LCP para la carta X de Shewhart para observaciones individuales combinada con una regla de rachas, modelizada mediante una cadena de Markov absorbente. Palabras claves: Cartas de Control Reglas de Rachas - Cadenas de Markov Longitud de Corrida Promedio. 1. INTRODUCCIÓN Sea X la variable aleatoria que representa una característica de un proceso que se supone distribuida normalmente con media µ y variancia σ 2. Sea X t su valor observado en el instante t. Si sucesivas observaciones obtenidas en forma independiente se denotan por X 1, X 2, X 3... puede asumirse que las X t N (µ, σ 2 ) para t = 1,2,..., es decir, están idénticamente distribuidas. Para monitorear la media del proceso con la carta tradicional de observaciones individuales de Shewhart, en adelante la carta X, las sucesivas observaciones X t se grafican sobre la carta cuyos límites de control se toman usualmente a ± 3σ de la línea central, fijada en el valor de la media µ del proceso y cuyo desvío estándar se supone igual a σ. Estos límites se conocen como límites de control 3 - sigma". Si cuando el proceso está bajo control sus parámetros son μ = μ 0, y σ = σ 0 entonces se dice que la carta da una señal si X t se ubica por fuera de los límites de control μ 0 ± 3σ 0. Si se trabaja con valores estandarizados Z t = (X t - μ 0 ) / σ 0, entonces la carta X dará una señal si Z t > c, siendo usualmente c = 3. Si se produce una señal cuando el proceso está bajo control se dice que la carta ha dado una falsa alarma; si realmente ha ocurrido un cambio en el proceso, la señal se denomina señal de detección del cambio. Si bien la carta X da una señal de proceso fuera de control cuando un punto cae fuera de los límites de control 3 sigma, este suceso no es el único que puede poner de manifiesto un desajuste del proceso. Es usual prestar atención a secuencias de puntos que tengan poca posibilidad de ser observadas en un proceso
2 bajo control. Para detectarlos se dividen las dos áreas alrededor del límite central en tres zonas iguales correspondiendo cada línea a un desvío estándar. Los límites internos que se adicionan a los tradicionales 3 sigma, reciben el nombre de límites de advertencia (Montgomery, 1991). Figura 1. Carta X 5,4 3,4 1,4 UCL = 3,00 CTR = 0,00 LCL = -3,00 Zi -0,6-2,6-4, Nro de observación Figura 1: Carta de control con límites de advertencia El Western Electric Handbook (1956) establece reglas para detectar patrones no aleatorios. Algunas de ellas se enuncian a continuación y sugieren llegar a la conclusión de que el proceso está fuera de control si se presenta cualquiera de las siguientes situaciones. Regla 1: Un punto fuera de las líneas de control de 3 - sigma Regla 2: 2 puntos consecutivos ó 2 puntos de 3 puntos consecutivos más allá de los límites de advertencia 2 sigma. Regla 3: 4 de 5 puntos consecutivos se encuentran a una distancia de un sigma o más de la línea central. Regla 4: 8 puntos consecutivos se hallan al mismo lado de la línea central. Estas reglas de rachas se aplican a un lado de la línea central a la vez. Por ejemplo, si consideramos la Regla 2, un punto que aparece encima del límite superior 2 sigma, seguido por otro que se ubica debajo del límite inferior 2 - sigma no constituye una señal de que el proceso está fuera de control. En cambio, será una señal fuera de control, tanto cuando dos observaciones consecutivas o dos de tres caen por encima de la línea de advertencia superior o por debajo de la línea de advertencia inferior. Si se denota por T (k, m, a, b) a la regla de racha que da una señal si k de los m últimos valores individuales estandarizados, caen dentro del intervalo (a, b) con a < b, las reglas de rachas un punto por encima de los límites 3-sigma y la de dos de tres observaciones consecutivas más allá de los límites de advertencia 2 sigma, pueden expresarse por: T 1 = {T (1, 1, -, -3); T (1, 1, 3, )} T 2 = {T (2, 3, -3, -2); T (2, 3, 2, 3)} La carta X combinada con la regla de rachas T 2 puede expresarse por: T 1, 2 = T 1 U T 2 ={ T(1, 1,-, -3) ; T(2, 3, -3, -2) ; T( 2, 3, 2, 3) ; T( 1, 1, 3, ) }
3 Cuando se evalúa la efectividad de una carta de control para detectar cambios en los parámetros de un proceso se pretende que el mismo sea detectado inmediatamente después de que ocurra, que la tasa de falsa alarma sea baja y que la tasa de muestreo sea razonable. Una medida para la tasa promedio de muestreo se obtiene usando el número promedio de observaciones hasta que se produce una señal. El número de observaciones requeridas hasta una señal se denomina usualmente Longitud de Corrida de la carta de control. El número promedio de observaciones que deben graficarse antes de que una de ellas indique una señal es la Longitud de Corrida Promedio (LCP). La LCP para falsa alarma debería ser suficientemente grande y la LCP para detección a un cambio debería ser pequeña. Si bien para las cartas de Shewhart, cuando el proceso está bajo control o cuando se produce un cambio, la LCP puede evaluarse mediante el cálculo probabilístico, cuando se adicionan reglas de rachas no es sencillo expresar estas medidas en términos de simples probabilidades. En este trabajo se modela mediante una cadena de Markov absorbente a la carta de Shewhart para observaciones individuales adicionándole la regla de rachas: 2 de 3 puntos consecutivos más allá de los límites de advertencia 2 sigma a fin de ilustrar este método para obtener la LCP. 2. EFECTIVIDAD DE LA CARTA X Para la carta X, el número de observaciones independientes que son extraídas hasta que se produce una señal es una variable aleatoria N, con distribución de probabilidad geométrica con parámetro p, siendo p la probabilidad de que cualquier punto muestral exceda los límites de control 3 sigma. El valor esperado o promedio de observaciones requeridas hasta una señal es: E (N) = 1/p = LCP siendo p = ,. la probabilidad de que un punto caiga fuera de los límites 3 sigma. Entonces, la longitud de corrida promedio LCP = 1/ ,4, indica que aún cuando el proceso esté bajo control, se genera una señal de fuera de control cada 370,4 muestras en promedio. Es decir, se genera una señal de falsa alarma cada 370,4 observaciones en promedio. Para evaluar la Longitud de Corrida Promedio de la Carta X cuando se utilizan reglas de rachas, Brook and Evans (1972) proponen un método inicialmente utilizado para evaluar la LCP de la carta de control de Sumas Acumuladas, CUSUM y en este enfoque las cartas de control se modelan como una cadena de Markov absorbente. 3. MODELIZACIÓN DE LA CARTA X CON REGLAS DE RACHAS POR UNA CADENA DE MARKOV ABSORVENTE La carta X combinada con la regla de rachas T 2 : dos de tres observaciones consecutivas más allá de los límites de advertencia 2 sigma, puede expresarse por T 1, 2 = T 1 U T 2 ={ T(1, 1,-, -3) ; T(2, 3, -3, -2) ; T( 2, 3, 2, 3) ; T( 1, 1, 3, ) }
4 En este caso el monitoreo de la media del proceso puede pensarse como una caminata aleatoria a través de una cadena de Markov con siete estados transitorios E1, E2, E3, E4, E5, E6, y E7 y uno absorbente, E8, definidos por: E 1 = {dos puntos consecutivos en (-2, 2)} E 2 = {el primer punto en (-2, 2) y el segundo en (2,3)} E 3 = {el primer punto en (2, 3) y el segundo en (- 2, 2) } E 4 = {el primer punto en (-2, -2) y el segundo en (-3, -2)} E 5 = {el primer punto en (-3, -2) y el segundo en (-2, -2)} E 6 = {el primer punto en (-3, -2) y el segundo en (2, 3)} E 7 = {el primer punto en (2, 3) y el segundo en (-3, -2)} E 8 = {un punto en (-, -3) ó un punto en (3, ) ó dos de tres puntos en (2, 3) ó dos de tres puntos en (-3, -2)} Se define la matriz de transición P = [p i, j ] donde p i,j es la probabilidad de que para la siguiente observación la cadena pase al estado E j dado que se encuentra en el estado E i. Para determinar las probabilidades de transición observemos que al monitorear la media de un proceso estable, utilizando la carta X con límites de advertencia, una observación individual de X tomada en un instante t, estandarizada Z(t), puede pertenecer a cualquiera de las siguientes zonas: Zona 1 = (-2, 2): zona segura Zona 2 = (-3, -2): zona de alerta Zona 3 = (2,3): zona de alerta Zona 4 = (-, -3) (3, ): zona de señal La probabilidad de que se obtenga una observación en la zona i, cuando el proceso está bajo control, la designamos con p i : p 1 = P (Z (t) (-2, 2)) p 2 = P (Z (t) (-3, -2)) p 3 = P (Z (t) (2, 3)) p 4 = 1 - p 1 - p 2 - p 3 De lo anterior se obtiene la siguiente expresión para la matriz de transición en un paso:
5 E 1 E 2 E 3 E 4 E 5 E 6 E 7 E 8 E 1 p 1 p 3 0 p p 4 E p p 2 p 3 E 3 p p p 3 E p 1 p 3 0 p 2 E 5 p 1 p p 2 E p p 2 +p 3 E 7 E p p 2 +p Esta matriz de transición P, puede ser reagrupada en cuatro submatrices constituyendo lo que se conoce como su forma canónica: P = I R O N I (1 x 1) = matriz identidad. I = 1.Cada elemento representa la probabilidad de permanecer en un estado absorbente en un paso. O (1 x 7) = matriz nula. Cada elemento representa la probabilidad de pasar de un estado absorbente a uno no absorbente en un paso. R (7 x 1) = matriz de no absorbente a absorbente. Cada elemento representa la probabilidad de pasar de un estado no absorbente a uno absorbente en un paso N (7 x 7) = matriz de estados no absorbentes. En general, en una cadena de Markov con la matriz de transición expresada en forma canónica puede obtenerse: a) el número esperado de veces que el proceso pasa por cada estado no absorbente antes de ser absorbido analizando cada uno de los elementos de la matriz (I N ) 1 b) el número esperado de transiciones que el proceso tarda en ser absorbido cuando comienza en el i-ésimo estado, sumando los elementos de la i-ésima fila de la matriz (I N ) 1 La suma de los elementos de cada una de las filas de la matriz (I N ) 1 da el número promedio o esperado de observaciones hasta que el proceso es absorbido por el estado E 8, que expresada en términos de una carta de control, es la Longitud de Corrida Promedio.(Brook et al,1972). Para evaluar la LCP para falsa alarma de la carta X cuando se adiciona la regla T 2 : dos de tres observaciones consecutivas caen más allá de un límite 2 sigma, las probabilidades p 1, p 2, p 3 y p 4 se determinan para una distribución normal con media μ = μ 0 y desvío estándar σ = σ 0 (proceso bajo control) y son respectivamente ; , y Con estas probabilidades se arma la matriz de transición, se establece su forma canónica y se construye la matriz (I N) 1. A partir de la suma de los elementos de cada una de las filas de la matriz (I N) 1 se obtiene la siguiente matriz columna (225,44 215,88 220,39 215,88 220,39 211,34 211,34) T.
6 Cada uno de estos valores representa en concepto de promedio la cantidad de observaciones para que la carta dé una señal. El valor 225,44 expresa que en concepto de promedio se necesitan aproximadamente 225 observaciones para que la carta dé una señal cuando las dos primeras se encuentran en la zona segura (-2,2). Como estos valores se obtuvieron considerando al proceso bajo control, ellos indican la longitud de falsa alarma. Es decir, aún cuando el proceso esté bajo control se genera una señal de fuera de control cada 225,44 muestras en promedio. Cuando lo que se desea es la LCP para la detección de un cambio, se calculan las probabilidades p 1, p 2, p 3 y p 4 para una distribución normal con media μ 1 = μ 0 + δσ 0, siendo δ el corrimiento en desvíos estándar y se construye con ellas la nueva matriz de transición. Supongamos que se produce un corrimiento de un desvío estándar en la media del proceso, es decir la nueva media es μ 1 = μ 0 + σ 0. En este caso las probabilidades p 1, p 2, p 3 y p 4 son , , y respectivamente. Para determinar la LCP o número promedio de observaciones que deberán ser observadas hasta detectar el cambio, se suman los elementos de cada una de las filas de la matriz (I N) 1 obteniéndose la siguiente matriz columna (20,01 19,85 17,70 19,81 19,83 15, ) T. El valor 20,01 expresa que en concepto de promedio se necesitaran 20 observaciones para que la carta dé la señal de detección del cambio en la media. En la tabla siguiente se presentan los valores obtenidos correspondientes a la LCP para falsa alarma y para la detección de cambios en la media del proceso tanto para la carta X sin regla de rachas, columna 2, como para la carta X con la regla de rachas T 2, columna δ X X y T Si el proceso está bajo control con media μ 0 y desvío σ 0, el valor numérico de la LCP para la carta X utilizando límites 3 -sigma y sin adicionarle regla alguna es igual a observaciones en promedio hasta una señal de falsa alarma, fila 1 columna 2. Los valores de las siguientes filas de la columna 2, corresponden a cambios o corrimientos en la media μ 0. Del mismo modo se interpretan los valores de la columna 3 correspondiente a la carta X utilizada con la regla T 2. Por ejemplo, el valor señalado en negrita, fila 1 columna 3, expresa que en concepto de promedio, se necesitarán aproximadamente 225 observaciones para que la carta dé una señal. Es decir, aún cuando el proceso esté bajo control, se genera una señal de falsa alarma cada 225 observaciones en promedio.
7 Si comparamos este valor con el de la tradicional carta X, es decir sin regla de rachas, vemos que se genera mayor cantidad de falsas alarmas al ser la LCP menor. Para la carta X sola, la probabilidad de detectar un corrimiento en la media del proceso en la siguiente observación luego del cambio, es función de la magnitud del corrimiento. Supongamos que ocurre un corrimiento de un desvío estándar en la media del proceso, es decir, la nueva media es μ 1 = μ 0 + σ 0. La probabilidad de detectar este corrimiento es y el número promedio de observaciones hasta que la carta detecte el cambio es LCP = (Moretto, Toscana, 2005). En cambio, se necesitan en promedio 20 observaciones para detectar el mismo corrimiento en la media cuando se utiliza la carta X con la regla T 2. Si ha ocurrido un cambio en la media del proceso de manera que se ha desplazado μ 1 = μ σ 0 los valores de LCP para detectar el corrimiento son cuando se trabaja con la carta X y cuando se trabaja con la carta X utilizada con la regla T 2. Este último valor es menor al obtenido para la carta X usada sola, lo cual significa que se necesitan menos observaciones en promedio para detectar el cambio en la media. Si bien la carta X utilizada con la regla T 2 detecta antes que la carta X los cambios en la media, debe notarse que genera mayor cantidad de falsas alarmas. Es decir, X utilizada con la regla T 2 es más sensible para la detección de los cambios en detrimento de la tasa de falsas alarmas. Una forma de lograr que dicha tasa de falsa alarma se mantenga igual a 370 ó tome un valor conveniente, consiste en diseñar las cartas considerando límites de control alternativos a los 3 -sigma. Cuando se implementa una carta de control hay que analizar qué carta es la más conveniente en cada situación real, teniendo en cuenta cuáles son las consecuencias de que se produzcan más cantidad de falsas alarmas versus las consecuencias de la detección tardía de cambios en el proceso. 4. CONCLUSIONES Las tradicionales cartas de Shewart son simples de implementar y utilizar para el control estadístico de procesos. Su efectividad para detectar cambios puede evaluarse fácilmente mediante cálculos probabilísticos, determinando la Longitud de Corrida Promedio (LCP) para distintos cambios en el proceso. La evaluación de la efectividad de las cartas para detectar cambios en un proceso, cuando se la utiliza combinada con reglas de rachas ó tests de inestabilidad, no es tan simple. Resultados aproximados pueden determinarse utilizando un modelo de Simulación, mientras que el enfoque por cadenas de Markov permite obtener resultados exactos. En este trabajo la aplicación de cadenas de Markov absorbentes permitió el cálculo de la Longitud de Corrida Promedio cuando a la tradicional Carta X se le adiciona reglas de rachas. Presentamos la metodología para una combinación en particular, pero la misma puede emplearse para otras combinaciones de reglas definiéndose cuidadosamente los estados de la cadena y el número de ellos. REFERENCIAS [1] Brook,D and Evans, D. An approach to the probability Distribution of CUSUM Run Length Biometrika 59, pág [2] C. Champ and W. Woodall. Exact Results for Shewhart Control Chart with Supplementary Runs Rules. Technometrics 29, (1987), pp [3] D. Montgomery. Control Estadístico de la Calidad. Grupo Editorial Iberoamericana. (2001). [4] E.S. Page. Control Charts with Warning Lines. Biometrics, 42, (1955), pp
8 [5] L. S. Nelson. Control Chart for Individual Measurements. Journal of Quality Technology 14, (1982), pp [6] N. Moretto y L. Toscana. Desempeño de Cartas de Control para Observaciones Individuales. Revista de la Escuela de Investigación Operativa, Año XIII, Nº 26, (2005), pp
Cómo funciona el Diagrama de Control
Cómo funciona el Diagrama de Control Capítulo 4 Control Estadístico de Calidad Modelo del sistema de control de proceso ( con retroalimentación ) VOZ DEL PROCESO METODOS ESTADÍSTICOS Personal Equipo Materiales
Más detallesTEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.
TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. La herramienta que nos indica si el proceso está o no controlado o Estado de Control son
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesTEMA 4: Introducción al Control Estadístico de Procesos
TEMA 4: Introducción al Control Estadístico de Procesos 1 Introducción 2 Base estadística del diagrama de control 3 Muestreo y agrupación de datos 4 Análisis de patrones en diagramas de control 1. Introducción
Más detallesTema 3. Medidas de tendencia central. 3.1. Introducción. Contenido
Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6
Más detallesCARTAS DE CONTROL. FeGoSa
Las empresas en general, ante la apertura comercial han venido reaccionando ante los cambios y situaciones adversas, reaccionan por ejemplo ante: Disminución de ventas Cancelación de pedidos Deterioro
Más detallesANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS
ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se
Más detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,
Más detallesTema 3. Espacios vectoriales
Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición
Más detalles5. DISTRIBUCIONES DE PROBABILIDADES
5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable
Más detallesMetodología. del ajuste estacional. Tablero de Indicadores Económicos
Metodología del ajuste estacional Tablero de Indicadores Económicos Metodología del ajuste estacional Componentes de una serie de tiempo Las series de tiempo están constituidas por varios componentes que,
Más detallesCAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de
CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesTEMA 6: Gráficos de Control por Variables
TEMA 6: Gráficos de Control por Variables 1 Introducción 2 Gráficos de control de la media y el rango Función característica de operación 3 Gráficos de control de la media y la desviación típica 4 Gráficos
Más detallesGrado en Ingeniería. Estadística. Tema 3
Grado en Ingeniería Asignatura: Estadística Tema 3. Control Estadístico de Procesos (SPC) Control Estadístico de Procesos (SPC) Introducción Variabilidad de un proceso de fabricación Causas asignables
Más detallesCAPITULO 2 DISEÑO DE GRAFICAS ESTADISTICO-ECONOMICAS DE CONTROL DE CALIDAD.
CAPITULO 2 DISEÑO DE GRAFICAS ESTADISTICO-ECONOMICAS DE CONTROL DE CALIDAD. En este capítulo se presenta la definición de diseño estadístico, económico y económico-estadístico para gráficas de control,
Más detallesCapítulo 7: Distribuciones muestrales
Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.
Más detallesBASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Más detallesUNIDAD 4 PROCESOS DE MARKOV
UNIDAD 4 PROCESOS DE MARKOV Anteriormente se han cubierto modelos estáticos, esto es, modelos cuyos parámetros permanecen sin cambio a través del tiempo. Con excepción de programación dinámica donde se
Más detallesESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión
Descargado desde www.medwave.cl el 13 Junio 2011 por iriabeth villanueva Medwave. Año XI, No. 3, Marzo 2011. ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión Autor:
Más detallesTema 5. Variables aleatorias discretas
Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso
Más detallesPrograma para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones
Fracciones. Las fracciones y los números Racionales Las fracciones se utilizan cotidianamente en contextos relacionados con la medida, el reparto o como forma de relacionar dos cantidades. Tenemos entonces
Más detallesControl Estadístico de Procesos
Control Estadístico de Procesos Gráficos de Control Los gráficos de control o cartas de control son una importante herramienta utilizada en control de calidad de procesos. Básicamente, una Carta de Control
Más detallesESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Construcción de una Base de Datos
Descargado desde www.medwave.cl el 13 Junio 2011 por iriabeth villanueva Medwave. Año XI, No. 2, Febrero 2011. ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Construcción de una Base de Datos Autor:
Más detallesMedias Móviles: Señales para invertir en la Bolsa
www.gacetafinanciera.com Medias Móviles: Señales para invertir en la Bolsa Juan P López..www.futuros.com Las medias móviles continúan siendo una herramienta básica en lo que se refiere a determinar tendencias
Más detallesCadenas de Markov. http://humberto-r-alvarez-a.webs.com
Cadenas de Markov http://humberto-r-alvarez-a.webs.com Definición Procesos estocásticos: procesos que evolucionan de forma no determinista a lo largo del tiempo en torno a un conjunto de estados. Estos
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA SEGUNDA PRUEBA PARCIAL Profesor: Hugo S. Salinas. Primer Semestre 2009 1. Resolver los siguientes
Más detallesSistemas de amortización
Sistemas de amortización 1. Introducción Un sistema de amortización es un método por el cual un capital cedido en préstamo es devuelto por una sucesión de pagos o cuotas. Estas cuotas periódicas constituyen
Más detallesDefinición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Más detallesSIMULACION. Formulación de modelos: solución obtenida de manera analítica
SIMULACION Formulación de modelos: solución obtenida de manera analítica Modelos analíticos: suposiciones simplificatorias, sus soluciones son inadecuadas para ponerlas en práctica. Simulación: Imitar
Más detallesAproximación local. Plano tangente. Derivadas parciales.
Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación
Más detallesCAPITULO II CARACTERISTICAS DE LOS INSTRUMENTOS DE MEDICION
CAPITULO II CARACTERISTICAS DE LOS INSTRUMENTOS DE MEDICION Como hemos dicho anteriormente, los instrumentos de medición hacen posible la observación de los fenómenos eléctricos y su cuantificación. Ahora
Más detallesEjercicio de estadística para 3º de la ESO
Ejercicio de estadística para 3º de la ESO Unibelia La estadística es una disciplina técnica que se apoya en las matemáticas y que tiene como objetivo la interpretación de la realidad de una población
Más detallesCarta de control CEV X para distribuciones Weibull con datos censurados
Revista Colombiana de Estadística Volumen 28 N o 2. pp. 125 a 139. Diciembre 2005 Carta de control CEV X para distribuciones Weibull con datos censurados CEV X Control Chart for Weibull Distributions with
Más detalles1.2 SISTEMAS DE PRODUCCIÓN
19 1.2 SISTEMAS DE PRODUCCIÓN Para operar en forma efectiva, una empresa manufacturera debe tener sistemas que le permitan lograr eficientemente el tipo de producción que realiza. Los sistemas de producción
Más detallesDISEÑO DEL SOFTWARE TRAFFIC ANALYZER. Analyzer. En este capítulo se reporta el desarrollo que se llevó a cabo para realizar el software
3 Diseño del Software Traffic Analyzer En este capítulo se reporta el desarrollo que se llevó a cabo para realizar el software que analiza el tráfico en redes de telefonía y computadoras, denominado Traffic
Más detalles1.4 Cálculo de Probabilidades con Métodos de Conteo. Considerere un espacio muestral finito,
1 1.4 Cálculo de Probabilidades con Métodos de Conteo Considerere un espacio muestral finito, y defina, Luego, Ω = {ω 1,..., ω n }, P ({ω i }) = p i, i = 1,..., n P (A) = ω i A p i, A Ω Ω se dice equiprobable
Más detallesGeneración de Números Pseudo-Aleatorios
Números Aleatorios Son un ingrediente básico en la simulación de sistemas Los paquetes de simulación generan números aleatorios para simular eventos de tiempo u otras variables aleatorias Una secuencia
Más detallesMEDICION DEL TRABAJO
MEDICION DEL TRABAJO Habíamos dicho al comenzar el curso que habían 4 técnicas que permiten realizar una medición del trabajo 1 Técnicas Directas: - Estudio de tiempos con cronómetro - Muestreo del trabajo
Más detallesControl Estadístico del Proceso. Ing. Claudia Salguero Ing. Alvaro Díaz
Control Estadístico del Proceso Ing. Claudia Salguero Ing. Alvaro Díaz Control Estadístico del Proceso Es un conjunto de herramientas estadísticas que permiten recopilar, estudiar y analizar la información
Más detallesHERRAMIENTAS DE LA CALIDAD
HERRAMIENTAS DE LA CALIDAD Ayudan en la medición, análisis e implementación de mejoramientos. Para mejorar Las principales herramientas de la calidad se agrupan en dos categorías: las siete herramientas
Más detallesEMPLEO DEL CONTROL ESTADISTICO DE PROCESO COMO PARTE DE UN PLAN DE ASEGURAMIENTO DE LA CALIDAD Acosta, S. 1, Lewis, C. 2 RESUMEN
EMPLEO DEL CONTROL ESTADISTICO DE PROCESO COMO PARTE DE UN PLAN DE ASEGURAMIENTO DE LA CALIDAD Acosta, S. 1, Lewis, C. 2 1,2 Autoridad Regulatoria Nuclear Buenos Aires, Argentina sacosta@arn.gob.ar RESUMEN
Más detallesESTIMACION DE INTERVALOS DE CONFIANZA
pag 3. Prohibida su reproducción ESTIMACION DE INTERVALOS DE CONFIANZA Una muestra permite realizar estimaciones puntuales de los parámetros de la población. Utilizando las propiedades de las distribuciones
Más detallesControl interno de los métodos de análisis
Aseguramiento de la Calidad Control interno de los métodos de análisis Universidad Nacional Sede Medellín Facultad de Ciencias Escuela de Geociencias Orlando Ruiz Villadiego, Químico MSc. Coordinador Laboratorio
Más detalles_ Antología de Física I. Unidad II Vectores. Elaboró: Ing. Víctor H. Alcalá-Octaviano
24 Unidad II Vectores 2.1 Magnitudes escalares y vectoriales Unidad II. VECTORES Para muchas magnitudes físicas basta con indicar su valor para que estén perfectamente definidas y estas son las denominadas
Más detallesÍNDICE DISEÑO DE CONTADORES SÍNCRONOS JESÚS PIZARRO PELÁEZ
ELECTRÓNICA DIGITAL DISEÑO DE CONTADORES SÍNCRONOS JESÚS PIZARRO PELÁEZ IES TRINIDAD ARROYO DPTO. DE ELECTRÓNICA ÍNDICE ÍNDICE... 1 1. LIMITACIONES DE LOS CONTADORES ASÍNCRONOS... 2 2. CONTADORES SÍNCRONOS...
Más detallesEXPLORAR RELACIONES NUMÉRICAS EN LAS TABLAS DE MULTIPLICAR
EXPLORAR RELACIONES NUMÉRICAS EN LAS TABLAS DE MULTIPLICAR er. Grado Universidad de La Punta Consideraciones Generales: En este año es necesario realizar un trabajo específico que favorezca la construcción
Más detallesDatos del autor. Nombres y apellido: Germán Andrés Paz. Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina
Datos del autor Nombres y apellido: Germán Andrés Paz Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina Correo electrónico: germanpaz_ar@hotmail.com =========0========= Introducción
Más detalles❷ Aritmética Binaria Entera
❷ Una de las principales aplicaciones de la electrónica digital es el diseño de dispositivos capaces de efectuar cálculos aritméticos, ya sea como principal objetivo (calculadoras, computadoras, máquinas
Más detallesDetergente Lavad.1 Lavad.2 Lavad.3 Media A 45 43 51 46.3 B 47 44 52 47.6 C 50 49 57 52 D 42 37 49 42.6. Media 46 43.2 52.2 47.16
3. DISEÑO EN BLOQUES ALEATORIZADOS En muchos experimentos además de que interesa investigar la influencia de un factor controlado sobre la variable de respuesta, como en la sección anterior, existe una
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesTema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice
Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice 1 Polinomios Dedicaremos este apartado al repaso de los polinomios. Se define R[x] ={a 0 + a 1 x + a 2 x 2 +... +
Más detallesRetiro de activos y el stock de capital bruto
From: Medición del capital - Manual OCDE 2009 Segunda edición Access the complete publication at: http://dx.doi.org/10.1787/9789264043695-es Retiro de activos y el stock de capital bruto Please cite this
Más detallesAnálisis de propuestas de evaluación en las aulas de América Latina
Esta propuesta tiene como objetivo la operatoria con fracciones. Se espera del alumno la aplicación de un algoritmo para resolver las operaciones. Estas actividades comúnmente presentan numerosos ejercicios
Más detallesLa clave para un mejor control en SEIS SIGMA: Ing. Luis Aranda
La clave para un mejor control en SEIS SIGMA: Ing. Luis Aranda Qué SPC? SPC (Statistical Process Control) CEP (Control Estadístico de Proceso) El SPC es una herramienta estadística que nos permite analizar,
Más detallesMEDICIÓN BILATERAL DE LA VARIABILIDAD DE LA LONGITUD
MEDICIÓN BILATERAL DE LA VARIABILIDAD DE LA LONGITUD DE CORRIDA DE UNA CARTA DE CONTROL ESTADÍSTICO DE PROCESOS SU APLICACIÓN PARA DETERMINAR LA SENSIBILIDAD DE LA CARTA CUSUM NORMAL ANTE LA PRESENCIA
Más detallesConstrucción de Escenarios
Construcción de Escenarios Consiste en observar los diferentes resultados de un modelo, cuando se introducen diferentes valores en las variables de entrada. Por ejemplo: Ventas, crecimiento de ventas,
Más detallesTema 3. Control estadístico de calidad. 3.1. Introducción. Qué es el control estadístico de la calidad? 3.2Introducción a los gráficos de control.
Tema 3 Control estadístico de calidad 3.1Introducción. Qué es el control estadístico de la calidad? 3.2Introducción a los gráficos de control. 3.3Gráficos de control para variables. 3.4Gráficos de control
Más detallesControl de calidad del. Ciudad de La Rioja Mayo 2013
Control de calidad del Hormigón Ciudad de La Rioja Mayo 2013 Control de calidad Desde que se comenzó con la producción de bienes, se han hecho intentos en controlar el proceso de manera de mejorar la calidad
Más detallesAnálisis de componentes principales
Capítulo 2 Análisis de componentes principales 2.1. INTRODUCCIÓN El Análisis de componentes principales trata de describir las características principales de un conjunto de datos multivariantes, en los
Más detallescapitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación
capitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación Sistemática de Layout, SLP por sus siglas en inglés. Se hará uso de la simulación para comparar el
Más detallesDESCRIPCIÓN DE LA METODOLOGÍA UTILIZADA EN EL PROGRAMA DE CESTAS REDUCIDAS ÓPTIMAS
DESCRIPCIÓN DE LA METODOLOGÍA UTILIZADA EN EL PROGRAMA DE CESTAS REDUCIDAS ÓPTIMAS Replicar un índice Formar una cartera que replique un índice (o un futuro) como el IBEX 35, no es más que hacerse con
Más detallesde la empresa Al finalizar la unidad, el alumno:
de la empresa Al finalizar la unidad, el alumno: Identificará el concepto de rentabilidad. Identificará cómo afecta a una empresa la rentabilidad. Evaluará la rentabilidad de una empresa, mediante la aplicación
Más detallesEjercicios de Teoría de Colas
Ejercicios de Teoría de Colas Investigación Operativa Ingeniería Informática, UC3M Curso 08/09 1. Demuestra que en una cola M/M/1 se tiene: L = ρ Solución. L = = = = = ρ np n nρ n (1 ρ) nρ n n=1 ρ n ρ
Más detallesUn problema sobre repetidas apuestas al azar
Un problema sobre repetidas apuestas al azar Eleonora Catsigeras 1 10 de marzo de 2003. Resumen En estas notas se da el enunciado y una demostración de un conocido resultado sobre la probabilidad de éxito
Más detalles2 Teoría de colas o líneas de espera
2 Teoría de colas o líneas de espera El tráfico en redes se puede modelar con la ayuda de la teoría de colas, es por ello ue es importante estudiarlas y comprenderlas. Existen varias definiciones sobre
Más detallesCAPÍTULO VI PREPARACIÓN DEL MODELO EN ALGOR. En este capítulo, se hablará acerca de los pasos a seguir para poder realizar el análisis de
CAPÍTULO VI PREPARACIÓN DEL MODELO EN ALGOR. En este capítulo, se hablará acerca de los pasos a seguir para poder realizar el análisis de cualquier modelo en el software Algor. La preparación de un modelo,
Más detallesEspacios generados, dependencia lineal y bases
Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................
Más detallesUNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES GUÍA 2: PROBABILIDADES Profesor: Hugo S. Salinas Segundo Semestre 2010 1. Describir el espacio muestral
Más detallesANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO
ANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO Por: Pablo Lledó Master of Science en Evaluación de Proyectos (University of York) Project Management Professional (PMP) Profesor de Project Management y Evaluación
Más detallesGRÁFICAS DE CONTROL DE LA CALIDAD EMPLEANDO EXCEL Y WINSTATS
GRÁFICAS DE CONTROL DE LA CALIDAD EMPLEANDO EXCEL Y WINSTATS 1) INTRODUCCIÓN Tanto la administración de calidad como la administración Seis Sigma utilizan una gran colección de herramientas estadísticas.
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesQUÉ ES LA RENTABILIDAD Y CÓMO MEDIRLA. La rentabilidad mide la eficiencia con la cual una empresa utiliza sus recursos financieros.
QUÉ ES LA RENTABILIDAD Y CÓMO MEDIRLA La rentabilidad mide la eficiencia con la cual una empresa utiliza sus recursos financieros. Qué significa esto? Decir que una empresa es eficiente es decir que no
Más detallesMEDIDAS DE TENDENCIA CENTRAL
CAPÍTULO 14 MEDIDAS DE TENDENCIA CENTRAL A veces, de los datos recolectados ya organizados en alguna de las formas vistas en capítulos anteriores, se desea encontrar una especie de punto central en función
Más detallesC A P Í T U L O 1 LA PROBABILIDAD DE HELADA Y EL RIESGO DE DAÑO IMPORTANCIA DE LA PROBABILIDAD Y DEL RIESGO
C A P Í T U L O 1 LA PROBABILIDAD DE HELADA Y EL RIESGO DE DAÑO IMPORTANCIA DE LA PROBABILIDAD Y DEL RIESGO Los métodos más eficaces de protección contra las heladas son la plantación de cultivos que no
Más detallesTécnicas De Conteo. En este caso si k es grande, no es tan sencillo hacer un conteo exhaustivo de los puntos o resultados de S.
Técnicas De Conteo Si en el experimento de lanzar la moneda no cargada, se lanzan 5 monedas y definimos el evento A: se obtienen 3 caras, cómo calcular la probabilidad del evento A?, si todos los resultados
Más detallesGRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES PROCESO Maquinaria Métodos Materias Primas Proceso Producto Mano de Obra Condiciones Ambientales VARIACIÓN Fundamentalmente, las cinco fuentes más importantes de
Más detallesVECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.
VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman
Más detallesMatemáticas 2º BTO Aplicadas a las Ciencias Sociales
Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detalles1 Espacios y subespacios vectoriales.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto
Más detallesIndicaciones específicas para los análisis estadísticos.
Tutorial básico de PSPP: Vídeo 1: Describe la interfaz del programa, explicando en qué consiste la vista de datos y la vista de variables. Vídeo 2: Muestra cómo crear una base de datos, comenzando por
Más detalleswww.bvbusiness-school.com
Gráficos de Control de Shewart www.bvbusiness-school.com GRÁFICOS DE CONTROL DE SHEWART Una de las herramientas estadísticas más importantes en el Control Estadístico de Procesos son los Gráficos de Control.
Más detallesGRÁFICOS DE CONTROL DE SHEWHART
GRÁFICOS DE CONTROL DE SHEWHART Jordi Riu Grupo de Quimiometría, Cualimetría y Nanosensores Universitat Rovira i Virgili Campus Sescelades C/ Marcel lí Domingo s/n 43007-Tarragona Introducción Uno de los
Más detallesSistemas de Gestión de Calidad. Control documental
4 Sistemas de Gestión de Calidad. Control documental ÍNDICE: 4.1 Requisitos Generales 4.2 Requisitos de la documentación 4.2.1 Generalidades 4.2.2 Manual de la Calidad 4.2.3 Control de los documentos 4.2.4
Más detallesCentro de Capacitación en Informática
Fórmulas y Funciones Las fórmulas constituyen el núcleo de cualquier hoja de cálculo, y por tanto de Excel. Mediante fórmulas, se llevan a cabo todos los cálculos que se necesitan en una hoja de cálculo.
Más detallesInferencia Estadística
EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre
Más detallesPÁGINA 77 PARA EMPEZAR
Soluciones a las actividades de cada epígrafe PÁGINA 77 Pág. 1 PARA EMPEZAR El arte cósico Vamos a practicar el arte cósico : Si a 16 veces la cosa le sumamos 5, obtenemos el mismo resultado que si multiplicamos
Más detallesREPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL.
REPASO COCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓ ORMAL. Éste es un breve repaso de conceptos básicos de estadística que se han visto en cursos anteriores y que son imprescindibles antes de acometer
Más detalles2014 Néstor A. Jiménez J. Derechos reservados. Celular 3155003650
Diplomado Práctico en NORMAS INTERNACIONALES DE INFORMACIÓN FINANCIERA (NIIF) Tema 24: Estados financieros separados NIC 27 Estados financieros consolidados NIIF 10 Estados financieros separados y consolidados
Más detallesSeis Sigma. Nueva filosofía Administrativa.
Seis Sigma. Nueva filosofía Administrativa. GIN. Filosofía de Calidad. El Seis Sigma es un parámetro cuya base principal es la desviación estándar y su enfoque es reducir la variación y/o defectos en lo
Más detallesUnidad I. 1.1 Sistemas numéricos (Binario, Octal, Decimal, Hexadecimal)
Unidad I Sistemas numéricos 1.1 Sistemas numéricos (Binario, Octal, Decimal, Hexadecimal) Los computadores manipulan y almacenan los datos usando interruptores electrónicos que están ENCENDIDOS o APAGADOS.
Más detallesLa metodologia Cuantitativa. Encuestas y muestras
La metodologia Cuantitativa. Encuestas y muestras Técnicas «cuantitativas» y «cualitativas» «Las técnicas cuantitativas»: Recogen la información mediante cuestiones cerradas que se planteal sujeto de forma
Más detallesAplicaciones Lineales
Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales
Más detallesProbabilidades y Estadística (Computación) Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires Ana M. Bianco y Elena J.
Generación de Números Aleatorios Números elegidos al azar son útiles en diversas aplicaciones, entre las cuáles podemos mencionar: Simulación o métodos de Monte Carlo: se simula un proceso natural en forma
Más detallesControl de Calidad en Laboratorios
Metodos de control de calidad en laboratorios Funcionar bien en las pruebas de suficiencia (homologación). Funcionar bien en los ensayos de colaboración Un aspecto importante del sistema de gestión de
Más detallesMUESTREO CONCEPTOS GENERALES
MUESTREO CONCEPTOS GENERALES Resumen del libro Muestreo para la investigación en Ciencias de la Salud Luis Carlos Silva Ayçaguer (páginas de la 1 a la 14) Cuando se decide cuantificar sólo una parte de
Más detalles3. Equivalencia y congruencia de matrices.
3. Equivalencia y congruencia de matrices. 1 Transformaciones elementales. 1.1 Operaciones elementales de fila. Las operaciones elementales de fila son: 1. H ij : Permuta la fila i con la fila j. 2. H
Más detallesGráficas de caja. El borde derecho de la caja es el tercer cuartil, Q 3, que es la mediana de los valores que están por encima de la mediana.
LECCIÓN CONDENSADA 2.1 Gráficas de caja En esta lección crearás e interpretarás las gráficas de caja para conjuntos de datos usarás el rango intercuartil (IQR) para identificar valores extremos potenciales
Más detalles